基于FSMO的SVM训练核的设计与实现

作者：邓昊; 冉峰^*; 郭爱英

来源：微电子学与计算机, 2023, (02): 136-145.

DOI：10.19304/J.ISSN1000-7180.2022.0344

• 支持向量机
• 嵌入式
• 分解
• 序列最小优化
• IP核

为了解决支持向量机(Support Vector Machine,SVM)训练的复杂性与实时性,本文提出基于单循环的快速序列最小优化算法(Fast Sequential Minimal Optimization,FSMO)来构建新的SVM训练模型.首先,针对传统序列最小优化算法(Sequential Minimal Optimization,SMO)中待优化乘子选择繁复问题,提出了轮询加随机的优选方法并设计了单循环迭代的FSMO训练架构,降低算法复杂度.其次,采用集中计算体系结构分模块设计了新的SVM训练IP核.并且将该SVM训练IP核移植到FPGA平台上进行了验证与分析.结果表明,相较于传统SMO的训练IP核,在训练准确率相似的情况下,基于FSMO的SVM训练IP核训练速度提升约39%,可节省约47%的硬件资源.

• 单位
  上海大学